道路交通是影响区域经济以及全民发展的重要因素之一。伴随着城市汽车保有量的急剧增长,道路交通拥堵问题日趋严重。由于城市的治理费用过高和基础交通建设的扩展有限,人们越来越多地关注在已有道路基础上建立智能交通系统,从时间和空间上向出行者提供优化且高效率的交通诱导信息。交通诱导和交通预测技术是密不可分的,在交通预测中,准确有效的道路交通预测的算法能为道路交通诱导提供良好的指导作用。目前,交通预测的方法比较多,其优缺点各异。本文对具有良好的并行效果和正反馈功能的蚁群算法进行分析和研究,探索将蚁群算法运用于交通流量短时预测的可行性和有效性。本文首先就交通流量的不确定性和内在的关联性进行阐述,分析了国内外交通流量短时预测的经典算法,讨论了算法的优缺点,并对蚁群算法应用于交通流量短时预测的可行性进行了分析和讨论。接着,对基本的蚁群算法进行分析和研究,重点分析蚁群算法的收敛性能和信息素机制,并对影响算法的参数进行了介绍。同时在根据大量经验的基础上,对参数在一定范围内的取值进行了界定,利用MATLAB7.6平台验证了蚁群算法对于路径的寻优具有优越性。本文在分析了基本蚁群算法的优缺点后,通过对于启发信息以及信息素挥发机制的调整,提出了改进的优化蚁群算法,利用MATLAB7.6平台和基本蚁群算法进行了仿真对照,同时利用两种算法对于经典问题的求解进行了对比,实验发现优化蚁群算法具有良好的收敛性和迭代次数。最后,通过对城市道路交通进行了建模,将蚁群算法运用于道路交通流量的短时预测中,提出了交通流量的分时段预测算法,并且运用实验对比,从而选择出分时段预测的较优参数值。将该算法的分时段预测运用于预测中,结果表明算法基本满足道路交通流量短时预测的要求,为交通流量的短时预测的方法提供了一种参考。